Machine Learning per il Demand Forecasting con +69% di accuratezza

17 Nov 2026 | Case Study, Data Platform, Machine Learning, News

In questo articolo

    Condividi

    Come un produttore di pompe con oltre 6.000 prodotti è passato dai fogli di calcolo a previsioni della domanda automatiche e affidabili.


     

     

    Il cliente

     

    Caprari progetta e produce sistemi di pompaggio per la gestione dell’acqua, usati in ambito civile, agricolo e industriale in tutto il mondo.

    La sfida

    Con circa 6.140 prodotti e andamenti di vendita molto diversi tra loro, prevedere la domanda era una fatica ogni mese. Un pianificatore dedicava circa 160 ore al mese a fogli di calcolo e metodi statistici, e le previsioni sbagliavano comunque in media del 78%. Il risultato era rotture di stock su alcuni articoli, magazzino in eccesso su altri e piani di produzione che cambiavano di continuo.

    demand-forecasting

    La soluzione

    Omnys ha sostituito il processo manuale con un motore di previsione basato sull’intelligenza artificiale su AWS. Invece di un unico modello per tutto, un insieme di modelli di apprendimento automatico impara il comportamento di ogni famiglia di prodotti. Tra questi c’è Chronos, il modello di base di Amazon per le serie storiche. Ogni mese, all’arrivo dei nuovi dati di vendita, le previsioni per i sei mesi successivi sono pronte senza alcun lavoro manuale.

    I risultati: +69% di accuratezza nelle previsioni

    Caprari voleva previsioni più precise dei suoi metodi statistici e un processo ridotto a una rapida revisione. Ha ottenuto entrambe le cose:

    • errore di previsione ridotto del 69%, dal 78% al 24%;
    • impegno ridotto del 90%, da circa 160 a 16 ore al mese.

    Oggi i pianificatori dedicano il tempo alle decisioni invece che ai fogli di calcolo, e il magazzino segue più da vicino la domanda reale.